Dieser ist der dritte und letzte Artikel einer dreiteiligen Serie zu meinen Untersuchungen über die Qualität von Covid-19-Impfstoffchargen und meine besorgniserregenden Schlussfolgerungen. Bitte lesen sie zum besseren Verständnis zumindest Artikel 1, bevor sie mit diesem anfangen:
Die wirkliche Geschichte hinter den ‘Bad Covid Batches’ (dieser Artikel)
Einführung
Es ist eine wohlbekannte Tatsache, dass sich 95% aller im VAERS-System gemeldeten Verdachtsfälle auf Covid-19-Impfstoffnebenwirkungen auf nur 5% der im System eingetragenen Chargennummern beziehen. Die meisten setzen bei der Analyse dieser Beobachtung voraus, dass die Anzahl der gemeldeten Verdachtsfälle ein gleichbleibend gutes Maß für die Anzahl der tatsächlich aufgetretenen Verdachtsfälle ist, die Inhalte der Chargen also unterschiedlich sein müssten. Ich hingegen fand Indizien, dass diese 5% die einzigen Chargen waren, von denen ein angemessener Teil der aufgetretenen Verdachtsfälle tatsächlich gemeldet wurde (diese 5% also besonders gute Melderaten haben), und Qualität wahrscheinlich über alle Chargen hinweg gleichbleibend ist.
In den nächsten Abschnitten werde ich Faktoren suchen und finden, die für eine Charge zu besseren oder schlechteren Melderaten geführt hatten und erklären, warum eine kleine Anzahl von Chargen eine viel höhere Melderate hatte als die anderen. Letztendlich sind nur drei Faktoren nötig, um den Großteil der beobachteten Melderate statistisch zu erklären (r^2 = 70%).
Die Erkenntnisse sind kohärent und zeigen an, dass die Chargen mit der größten Zahl gemeldeter Verdachtsfälle das realistischste Bild für alle Chargen liefern! Wenn Sie also Alpträume hatten, bei einer Impfung eine “Schlechte Charge” zu erwischen, können Sie aufhören, sich Sorgen zu machen: Jede Charge ist so gut oder schlecht wie die sogenannten “Schlechten Chargen” – bei den meisten erfahren wir bloß nichts davon.
Können ganze Chargen unterschiedliche Melderaten haben?
Nachdem ich Widersprüche zur 'Bad Batch’-Theorie fand, schrieb ich einen Artikel darüber und betrachtete mögliche alternative Erklärungen. Diese Arbeit führte zu einem Verdacht: Was wäre, wenn alle Chargen gleich beschaffen wären in Größe und Qualität und daher die gleiche Zahl von Verdachtsfällen verursachen müssten? Dann ließen sich unterschiedliche Fallzahlen für unterschiedliche Chargen nur durch unterschiedliche Melderaten erklären. Anfangs erschien mir das unplausibel, doch im Lauf meiner Erkenntnisse änderte sich das.
Definitiv plausibel ist die Annahme, dass jeder einzelne Verdachtsfall eine individuelle Wahrscheinlichkeit hat, gemeldet zu werden, abhängig von Geschlecht des/der Geimpften, behandelndem Arzt, Wissensstand, sozialer und beruflicher Umgebung und anderen Faktoren. Ich habe sie beschrieben in Artikel 2 dieser Serie: Der felsige Weg zu einer Verdachtsmeldung.
Doch eine Covid-19-Impfstoffcharge enthält Hunderttausende oder gar über eine Million Impfdosen (die Zahlen werden geheim gehalten), die über Dutzende geografischer Regionen und mutmaßlich Tausende unterschiedlicher sozioökonomischer Gruppen verteilt werden. Bei einer so großen Zahl von Impfdosen ist daher zu erwarten, dass sich unterschiedliche Melderaten von Individuen statistisch ausgleichen. Doch die VAERS-Daten zeigen, dass das nicht der Fall ist, ganz besonders in den ersten Monaten der Covid-19-Impfungen.
Ich werde in diesem Artikel erklären, dass die VAERS-Daten vier Faktoren liefern, die sich zwischen den Chargen stark unterscheiden und einen nachweisbaren Einfluss auf die Melderate ausüben:
Geschlecht
Impfstätte
Beruf
Impfdatum
In den folgenden Abschnitten werde ich die Beobachtungsliste fortsetzen, die ich in Artikel 1 begonnen hatte.
Beobachtung I: Geschlechtermelderate
Den CDC-Statistiken zufolge wurden 53% aller Impfdosen Frauen verabreicht. Vorausgesetzt, dass Frauen nicht von mehr Verdachtsfällen betroffen sind als Männer, sollte der Anteil der Meldungen für geimpfte Frauen ebenfals 53% betragen. Doch in VAERS sind es 71%. Das bedeutet, dass ein Verdachtsfall bei einer Frau eine doppelt so hohe Wahrscheinlichkeit hat, gemeldet zu werden, wie ein Verdachtsfall bei einem Mann.
Beobachtung J: Geschlechterverteilung in Chargen
Lassen Sie uns die Zahl von Chargen mit einer bestimmten Frauenquote zählen und ein Häufigkeitsdiagramm erstellen, das die Anzahl der Chargen mit einem bestimmten Frauenanteil darstellt. Ich habe es ein wenig geglättet (3%-Bereiche), um es intuitiver zu machen. Es stellt Bobachtungen wie diese dar: „Es gab 31 Chargen, bei denen 66% der Meldungen eine Frau betrafen. Als Ergebnis eines solchen Diagramms erwarten wir eine glockenförmige symmetrische Verteilung mit dem Zentrum bei 71% (entsprechend Beobachtung I: Geschlechtermelderate).
Das überraschende Ergebnis ist eine Kurve, die weder symmetrisch ist, noch ihr Zentrum bei 71% hat. Es gibt einen großen Cluster von Meldungen mit 60–73% weiblicher Fälle und einen kleinen mit 74-83%. Offensichtlich hatten einige Chargen eine Empfängergruppe mit einem besonders hohen Frauenanteil.
Gegenprobe: Der Einfluss des Frauenanteils auf die Melderate bestätigt sich, wenn man jede Charge als Punkt darstellt mit seiner Fallzahl (von unten nach oben) gegenüber dem Frauenanteil in Prozent (von links nach rechts): Je höher der Anteil geimpfter Frauen in einer Charge, desto mehr Verdachtsfälle wurden für diese Gruppe gemeldet.
Beobachtung K: Apotheken-Underreporting
Eine der überraschendsten Beobachtungen ist, dass die Melderaten besonders niedrig sind sind für Impfungen, die in Apotheken stattgefunden hatten: Den Daten der CDC gemäß wurden in US-Apotheken bis März 2022 insgesamt 233.4 Millionen Impfdosen verabreicht. Our World in data meldet, dass die Gesamtzahl der in den USA verabreichten Impfdosen bis zu diesem Datum 555.0 Millionen betrug. Also sind 42% aller Covid-19-Impstoffdosen in Apotheken verabreicht worden.
Folglich sollten sich auch 42% aller Verdachtsmeldungen auf eine Impfung in einer Apotheke beziehen. Tatsächlich sind es aber nur 21%, was uns zeigt, dass für einen Verdachtsfall nach Impfung an einer anderen Impfstätte als einer Apotheke die Wahrscheinlichkeit für eine Verdachtsmeldung dreimal so groß ist wie bei einer Impfung an einer anderen Impfstätte.
Lassen Sie uns als Gegenprobe den Einfluss der Impfung in einer Apotheke auf die Zahl der Verdachtsmeldungen für eine Charge auf die gleiche Weise prüfen wie im vorigen Diagramm für den Frauenanteil:
Man erkennt: Wenn für eine Charge der Prozentsatz der Impfungen in einer Apotheke gegen 100% geht, sinkt die Anzahl der Meldungen gegen null. Ene seltsame Korrelation, die wohl keine ursächliche Beziehung ist, sondern eher Nebeneffekt des Beweggrundes für die Impfung in einer Apotheke.
Als Deutscher weiß ich jedoch zu wenig über das US-Gesundheitssystem, während ein Amerikaner eine einfache Erklärung haben mag. Jedes Feedback dazu ist willkommen, zum Beispiel per Kommentarfunktion. Interessant wäre es auch, zu wissen, ob es bei US-Apothekern noch üblich ist, aspirierend zu impfen, dann könnte die Ursache geringerer Meldezahlen auch tatsächlich in einem geringerem Auftreten von Verdachtsfällen liegen.
Nebenbei wäre das obige Diagramm das erwartete Ergebnis, wenn für Impfungen, die in Apotheken durchgeführt werden, überhaupt keine Verdachtsfälle gemeldet würden. Eine weitere Bestätigung, dass für Impfdosen, die in einer Apotheke verabreicht wurden, die Melderaten weit unterdurchschnittlich sind.
Eine Multilineare Regression über VAERS-Daten bestätigt, dass dieser einer der drei wichtigsten Faktoren für die Melderate einer Charge ist.
Erste Schlussfolgerungen
Die Beobachtungen J (Geschlechterverteilung in Chargen) und K (Apotheken-Underreporting) beweisen, dass Impfdosen einer Charge ungleichmäßig über Gesellschaftsgruppen verteilt wurden und zu sehr unterschiedlichen Melderaten geführt hatten. Nun bin ich motiviert, mehr herauszufinden, Sie auch?
Untersuchung der meistgemeldeten Chargen
Für eine systematische Suche nach Faktoren, die die Meldewahrscheinlichkeit beeinflussen, verglich ich die meistgemeldeten Chargen mit dem kompletten US-Datensatz von VAERS und bezog nur Meldungen ein, die
von VAERS nicht als ungültig markiert wurden
eine zulässige Chargennummer enthalten
ein wirklicher Verdachtsfall oder Impfdurchbruch sind (also keine Meldung, die ausschließlich einen Anwendungsfehler dokumentiert)
Diese summierten sich auf 431.407 Meldungen. Ich verglich die Daten der meistgemeldeten Chargen, die 10% der Meldungen ausmachen, mit den Durchschnittsdaten aller VAERS-Datensätze. Die hier untersuchten meistgemeldeten Chargen waren 12 Stück: 039K20A, 026L20A, 011J20A, 025L20A, 013L20A, 012L20A, 037K20A, 029L20A, 011L20A von Moderna und EK5730, EK9231, EH9899 von Pfizer/BioNTech.
Beobachtung L: Frauenquote in den meistgemeldeten Chargen
In den meistgemeldeten Chargen betreffen 77.7% der Meldungen Frauen, gegenüber einem Durchschnitt von 70.5% in der Gesamtheit der VAERS-Daten. Eine weitere Bestätigung der Wichtigkeit von Frauen für die Melderate.
Beobachtung M: Schwereverteilung
Der Anteil schwerer Verdachtsmeldungen ist klein, doch im direkten Vergleich hat der VAERS-Gesamtdatensatz eine deutlich höhere Quote von schweren wirklichen Verdachtsfällen als die meistgemeldeten Chargen. Für den durchschnittlichen Geimpften scheint ein Verdachtsfall schwerer sein zu müssen, um gemeldet zu werden als bei den meistgemeldeten Chargen: Für lebensbedrohliche Symptome gab es 72% mehr Berichte (1.6% im vergleich zu 0.9%), für dauerhafte Behinderungen 70% (1.5% gegenüber 0.9%) und für Hospitalisierungen 69% mehr (6.2% gegenüber 3.7%). Die Geimpften der meistgemeldeten Chargen tendierten wohl auch bei milderen Symptomen dazu, ihrem Arzt Feedback zu geben oder waren eher geneigt, ein Symptom mit der Impfung in Verbindung zu bringen.
Beobachtung N: Impfdatumsverteilung
Die Impfdaten der meistgemeldeten Chargen konzentrierten sich auf wenige Wochen nach der öffentlichen Verfügbarmachung der Covid-19-Impfstoffe.
Beobachtung O: Impfstättenverteilung
Von den meistgemeldeten Chargen wurden 38.4% in einer Arztpraxis oder einem Krankenhaus verabreicht, nur 2.7% in Apotheken. Im Durchschnitt aller VAERS-Meldungen nur 24.2% in einer Arztpraxis (37% weniger) uund 21% in Apotheken (677% mehr). Eine weitere Bestätigung der Bedeutung der Impfung in einer Apotheke.
Beobachtung P: Berufsverteilung
Einer der Meldekanäle für VAERS kommentiert seine Meldungen als 'spontaner Bericht' und teilt die Melder in Kategorien ein. 2.7% der Berichte der meistgemeldeten Chargen waren Eigenberichte von Angehörigen der Gesundheitsberufe (Ärzte, Krankenschwestern, Apotheker und Andere), ihre Quote im gesamten VAERS-Datensatz ist nur 1.1%. Wahrscheinlich wurde eine überdurchschnittliche Zahl von Angehörigen der Gesundheitsberufe mit diesen Chargen geimpft.
Setzen wir die Puzzle-Teile zusammen
Der Anlauf von Impfstoffproduktionslinien braucht Zeit, daher war anfangs nur eine kleine Anzahl von Dosen verfügbar für eine große Nachfrage. Es wurde notwendig, die Distribution so zu planen, dass Impfstoffe dort zuerst verfügbar gemacht wurden, wo sie am wertvollsten waren. Daher wurden COVID-19 Impfprioritätsgruppen festgelegt, die als erste den Impfstoff erhalten sollten:
Phase 1A: Angehörige der Gesundheitsberufe und Bewohner von Langzeitpflegeeinrichtungen
Phase 1B: Andere Individuen, Menschen mit zugrundeliegenden Gesundheitsproblemen, anderen zusammenkommenden Bedingungen, Kinderbetreuer und Angestellte von Kindergärten und Vorschulen bis hinauf zur zwölften Klasse
Phase 1C: Wichtige Angestellte und Personen jeden Alters mit einem erhöhten Risiko für eine COVID-19-Infektion
Darüber hinaus wurde die Impfstoffdistribution zentralisiert: Im August 2020 wurde die Firma McKesson als einziger Distributor für alle Covid-19-Impfstoffe in den USA bestimmt. Sie hatte sicherzustellen, dass zwei Impfdosen für jede Person verfügbar waren, die in den frühen Phasen geimpft werden sollte.
Ich gehe davon aus, dass das bei den ersten Chargen zu einer großen Konzentration von Impfdosen unter sehr ähnlichen Berufsgruppen zur gleichen Zeit geführt hatte, obwohl sie geografisch sehr weit verteilt waren.
Nun lassen Sie uns über Bezüge zwischen unseren obigen Beobachtungen und den aufgeführten Impfprioritätsgruppen nachdenken:
Beobachtung L: Frauenquote in den meistgemeldeten Chargen: 71% der Meldungen betrafen Frauen. Im US-amerikanischen Gesundheitswesen und Erziehungsektor beträgt der Anteil von Frauen rund 75% und unter den Bewohnern von Langzeitpflegeeinrichtungen über 70%.
Beobachtung M: Schwereverteilung: Wenn ein milder Verdachtsfall Eintritt, liegt es für einen Angehörigen der Gesundheitsberufe näher, ihn als solcher zu erkennen, von der Wichtigkeit einer Meldung zu wissen und – womöglich im Rahmen seiner beruflichen Tätigkeit – einen Arzt zu informieren. Der durchschnittliche Amerikaner würde nicht unbedingt diese Schlussfolgerung treffen und einen Arzt aufsuchen.
Beobachtung N: Impfdatumsverteilung: Da ihre Verabreichung auf die ersten Wochen der Impfstoffverfügbarkeit konzentriert war, sind die meistberichteten Chargen wahrscheinlich an Impfprioritätsgruppen verimpft worden.
Beobachtung O: Impfstättenverteilung: Für Angehörige der Gesundheitsberufe ist es naheliegend, ihre Impfung am Arbeitsplatz zu erhalten – in einer Arztpraxis oder einem Krankenhaus. Das ist auch der Fall für die Empfänger der meistgemeldeten Chargen. Die Impfstätte der durchschnittlichen VAERS-Meldung war mit viel höherer Wahrscheinlichkeit eine Apotheke.
Beobachtung P: Berufsverteilung: Die meistgemeldeten Chargen hatte eine 2,5 mal so hohe Quote an Eigenberichten von Angehörigen der Gesundheitsberufe als es in VAERS üblich ist.
Volltreffer! Und es ergibt Sinn, dass diese die meistberichteten Chargen sind: Für viele Angehörige der Gesundheitsberufe ist ihre Tätigkeit mehr Berufung als Beruf. Höchstwahrscheinlich kennen sie ein Meldesystem für Impfstoffnebenwirkungen und wissen, wie wichtig es ist, Verdachtsfälle zu melden, um die Entdeckung seltener Nebenwirkungen zu ermöglichen. Die Wahrscheinlichkeit ist groß, dass sie von einem Kollegen geimpft werden, den sie öfters wiedersehen, dem sie wahrscheinlich auch von aufgetretenen Verdachtsfällen berichten und ihn/sie bitten, das zu melden. Auf der anderen Seite, wird eine Person, die einen Kollegen geimpft hat, eine stärkere Verpflichtung empfinden, nach Folgesymptomen zu fragen und Verdachtsfälle zu melden.
Nun lassen Sie uns eine Gegenprobe machen: Rund 20 Millionen US-Amerikaner arbeiten in Gesundheitsberufen. Das sind 7.8% der erwachsenen Bevölkerung der USA von 258.3 Millionen. Falls Covid-19-Impfstoffdosen durchschnittlich 1,3 Millionen Impfdosen enthalten und jede Charge ausschließlich an Angehörige der Gesundheitsberufe verimpft wurde, wären nur 30 Chargen nötig gewesen, um jeden von ihnen vollständig (2x) zu impfen. Diese Zahlen zeigen, dass es nicht notwendig war, außergewöhnlich große Chargen für die Impfprioritätsgruppen zu produzieren und ist ein Indiz gegen die in Artikel 1 beschriebene 'Giga Batches’-Theorie.
Die verbleibenden Chargen wurden größtenteilteils an alle Anderen, außerhalb der Prioritätsgruppen, verimpft und haben vergleichsweise wenige Meldungen ausgelöst. Für die 555 Millionen bisher verabreichten Impfdosen waren circa 427 Chargen notwendig, falls die Annahme von 1,3 Millionen Impfdosen pro Charge zutrifft.
Beobachtung Q: Abstürzende Melderaten
Anhand der VAERS-Daten können wir die Gesamtzahl der Meldungen zu den an jedem einzelnen Tag verabreichten Impfdosen berechnen, und anhand der Impfstatistiken von Our world in data, können wir die Entwicklung der Melderate im zeitlichen Verlauf berechnen. Durch die Nutzung eines gleitenden Durchschnitts über sieben Tage werden die Datenkurven geglättet, um Wochenendeffekte auszugleichen.
Durch Aufsummieren aller VAERS-Meldungen für ein Impfdatum und Teilen durch die Anzahl an Impfungen an diesem Tag, wird die Quote an Meldungen pro Impfung, oder, zur besseren Lesbarkeit, pro 100.000 Impfungen berechnet. Zur Klarstellung: Damit treffen wir keine Aussage über einzelne Chargen, da die Zahlen aus der Gesamtzahl aller Meldungen und der Gesamtzahl aller Impfungen berechnet werden.
Bei kontinuierlicher Motivation der Melder sollte die Melderate über die Zeit konstant sein und im Diagramm eine horizontale Line ergeben. Lassen Sie uns das prüfen:
Nun, das ist enttäuschend: Während in den ersten Wochen der Impfung bis zu 400 Verdachtsfälle pro 100.000 Impfungen gemeldet wurden, sank die Melderate innerhalb weniger Monate auf 50, stagnierte einige Monate und sank sogar weiter auf 25. Das ist ein Rückgang um den Faktor 16. Im Februar 2022 sank die Zahl sogar auf 12, doch werden viele Fälle mit Zeitverzögerung gemeldet und werden vielleicht noch in den nächsten Wochen nachgereicht.
Vielleicht sank die Melderate nur für milde Verdachtsfälle? Ärzte sollten zumindest lebensbedrohliche Symptome, dauerhafte Behinderungen und Hospitalisierungen in hohem Maß und kontinuierlich melden. Lassen Sie uns das prüfen:
Die nächste Enttäuschung: Auch die Melderate für schwere Nebenwirkungen sank von 16 Fällen pro 100.000 Impfungen auf 1 und die Zahl gemeldeter Todesfälle pro 100.000 Impfungen fiel von 2,5 auf 0,15, in beiden Fällen ein Rückgang um den Faktor 16. Für einen solchen Absturz der Melderaten habe ich keine Erklärung.
Aus welchem Grund auch immer gab es einen starken Absturz in den Melderaten von 50% innerhalb von 18 Tagen, vom 1. bis zum 18. Januar 2021, und um weitere 50% innerhalb der nächsten 35 Tage, bis zum 23. Februar 2021. Ich betone, dass die Rate unabhängig ist von der Anzahl der Impfungen und ich keine andere Erklärung finde, als eine stark sinkende “Motivation”, Verdachstsfälle zu melden.
Ich fand einige „Supermelder“, die Dutzende von Verdachtsfällen gemeldet haben. angesichts des Zeitaufwands von rund 30 Minuten pro Meldung zeigten sie ein außerordentliches Engagement, und verbrachten viele (soweit ich weiß unbezahlte) Stunden ihrer Zeit mit der Meldung von Verdachtsfällen. Offensichtlich hält das niemand auf ewig durch, und nach einigen Tagen oder Wochen hörte jeder von ihnen auf zu melden. Da VAERS der Öffentlichkeit keine Mittel zur Verfügung stellt, die Identität eines Melders zu ermitteln (sei es auch nur eine Nummer), ist es eine komplexe und zeitaufwendige Tätigkeit, Supermelder durch Ähnlichkeitsanalyse zu ermitteln und dieses Indiz ist vorläufig nur anekdotisch.
Andere Faktoren, die das Meldeverhalten beeinflusst haben könnten, waren umfangreiche Bemühungen, Impfzögerlichkeit zu verhindern, Vorwürfe, dass Ärzte, die Verdachtsfälle melden, Impfgegener wären und Krankenhausmanager, die Ärzte aufforderten, keine Verdachtsfälle mehr zu melden.
Es erscheint sinnvoll, zu untersuchen, wie sinkende Melderaten sich auf die Fallzahlen einzelner Chargen ausgewirkt haben. Im folgenden Diagramm habe ich die Anzahl der Verdachtsfallmeldungen pro Charge (von unten nach oben) über das Datum aufgetragen, an dem die meisten Dosen dieser Charge verabreicht wurden (von links nach rechts). Pfizer/BioNTech-Chargen werden als blaue Quadrate dargestellt, Moderna-Chargen als orangene Rauten und Janssen-Chargen als gelbe Dreiecke:
Das führt zu drei wichtigen Erkenntnissen:
Nach Geschlecht, Impfstätte und Beruf haben wir den vierten, und mit Abstand wichtigsten, Faktor identifiziert, der die Anzahl von Verdachtsmeldungen einer Charge beeinflusst: Das Datum. Der Effekt ist so stark, dass Sie im Jahr 2022 wahrscheinlich keine Charge mit einer hohen Zahl von Verdachtsmeldungen mehr erleben werden.
Moderna-Chargen sind deutlich kleiner als die Chargen von Pfizer/BioNTech. Nach meinem aktuellen Wissensstand hat Moderna eine Chargengröße von 1.1 Millionen, Pfizer/BioNTech von 1.7 Millionen und Janssen von 500.000 Impfdosen, aber das sind Vermutungen, da die Hersteller diese Zahlen geheim halten.
Eine extrem große Bandreite an Fallzahlen pro Charge trat nur nur in den ersten drei Monaten auf, in denen Prioritätsgruppen dominierten.
Fazit
Die vermeintliche „Giftigkeit“ einzelner Chargen war hauptsächlich die Folge einer mit der Zeit stark sinkenden Melderate und für jede Charge beeinflusst von ihrer Quote geimpfter Frauen und dem Anteil von Impfdosen, der in Apotheken verabreicht worden war. Eine multilineare Regression über Frauen- und Apothekenquote allein erklärt die Anzahl von Verdachtsmeldungen pro Charge mit einer Qualität (r^2) von 50%; nimmt man das Datum hinzu, werden es 68%. Für schwere Verdachtsfälle sind nur Datum und Alter wichtige Faktoren, mit einer Qualität von 57%. Ich werde diese Analysen noch verfeinern und in einem weiteren Artikel darüber berichten.
Die Meldungszahlen früher Chargen sehen auf den ersten Blick erratisch aus, doch können sie mit ihrer Konzentration auf wenige Prioritätsgruppen erklärt werden, von denen eine – aufgrund ihres Berufs – eine besondere Aufmerksamkeit gegenüber der Gesundheit hatte: Angehörige der Gesundheitsberufe.
Die Beobachtungen sind kohärent und plausibel. Nachdem wir mit der Beobachtung gestartet sind, dass 95% der Verdachtsfälle für weniger als 5% der Chargennummern gemeldet wurden, bin ich nun sicher, dass wir die 'Bad Batches"‘-Theorie fallen lassen und erkennen können, dass sie schlichtweg die Konsequenz davon war, dass die meisten Chargen nur geringe Melderaten hatten. (Nebenbei ist auch die 5%-Zahl falsch, aber das ist ein Thema für einen anderen Artikel).
Es war reine Logik und Mathematik, die uns hierher geführt hat und nun die Schlussfolgerung aufzwingt: Wenn alle Chargen ähnliche Größen und Eigenschaften haben, müssen sie auch eine ähnliche Zahl von Verdachtsfällen auslösen, nur verborgen durch das Unterlassen von Meldungen. Daher müssen wir für die Abschätzung der aufgetretenen Verdachtsfälle auf Basis der gemeldeten Fälle die Zahlen der meistgemeldeten Chargen als Maßstab der Realität auf alle Chargen übertragen.
Für die 12 meistgemeldeten Chargen wurden 584 Todesfälle gemeldet, bei denen Covid-19 nicht die Todesursache war, also 49 pro Charge. Außerdem gab es 186 schwere Verdachtsfälle und 3.157 wirkliche Verdachtsfälle pro Charge.
Falls eine Charge im Schnitt 1,3 Millionen Impfdosen liefert, wären 427 Chargen nötig gewesen, für die bislang verabreichten 555 Millionen Dosen, was uns erlaubt, die Gesamtzahl der aufgetretenen Verdachtsfälle zu schätzen. Doch wir müssen an ein mögliches Underreporting denken. Angenommen, dass 50% der 12 meistgemeldeten Chargen an Angehörige der Gesundheitsberufe verabreicht worden waren und es für sie überhaupt kein Underreporting gab, können wir den Beitrag der anderen Prioritätsgruppen vernachlässigen, wie viele Studien gezeigt haben (siehe Artikel 2). Aufgrund der 50%-Annahme müssen wir die oben berechneten Zahlen pro Charge verdoppeln und können sie mit den 427 benötigten Chargen multiplizieren, um die Zahl der insgesamt aufgetretenen Fälle abzuschätzen.
Es ist eine grobe und sehr konservative Schätzung, dass 2.7 Millionen Verdachtsfälle auftraten, von denen 160.000 schwerwiegend waren, und von welchen 42.000 zum Tode führten. Das würde bedeuten, dass einer von 6.000 Geimpften starb (bei einer Gesamtzahl von 255 Million Geimpften in den USA). Der Underreporting-Faktor wäre damit 7, was im Vergleich zu anderen VAERS-Underreporting-Studien moderat und, wie erwähnt, eine sehr vorsichtige und keinesfalls übertrieben hohe Schätzung ist.
Meine Motivation und mein Ansatz
Ein paar Worte der Erklärung über mich: Nach dem Lesen und Hören vielfältiger und widersprüchlicher Informationen über Covid-19-Impfstoffe und unter Berücksichtigung des neuartigen Ansatzes der mRNA-Technik, habe ich anfangs festgestellt, dass mir nicht ausreichend zuverlässige Informationen zur Verfügung stehen, um eine qualifizierte Entscheidung für oder gegen eine Covid-19-Impfung zu treffen. Ich beschloss, auf den Nachweis der Impfstoffsicherheit zu warten. Diese Wartezeit kam zu einem Ende, als die deutsche Regierung die Absicht erklärte, eine allgemeine und auf mRNA- und Vektorimpfstoffe beschränkte Covid-19-Impfpflicht einzuführen. Nun machte ich die Feststellung, dass Aussagen über die Impfstoffsicherheit polarisierter waren als je zuvor, sah ein, dass ich selbst recherchieren muss und wählte VAERS als seriöseste, neutralste und unverfälschteste Datenquelle, die ich fand.
Schnell war ich mit den Unzulänglichkeiten der VAERS-Web-Oberfäche konfrontiert, so dass ich beschloss, eine Analysesoftware zu schreiben, die mit der Zeit immer mächtiger wurde und mir jeden Tag neue interessante Erkenntnisse liefert, auch an dem Tag, an dem ich dies hier schreibe. Den Datensatz für diesen Artikel lud ich am 22. Februar 2022 von der VAERS-Website herunter und analysierte ausschließlich US-Meldungen, um Abgleiche und Gegenproben mit anderen Datenbeständen durchführen zu können. Bei der Betrachtung meiner Ergebnisse weckt der dramatische Absturz der VAERS-Melderaten erste Zweifel über die Unverzerrtheit der Daten.
All meine Untersuchungen erfolgten aus eigenem Antrieb und es gibt keinen Dritten, der sie unterstützt oder gar finanziert. Ich habe einen akademischen Abschluss in Physik und die Analyse von Daten und Zahlen ist mein Alltagsgeschäft.
Da die Diskussion um Impfstoffsicherheit so polarisiert ist und nach meinem Eindruck leider stärker zur persönlichen Diffamierung und Sabotage neigt als zu Argumentation und wissenschaftlicher Erörterung, bevorzuge ich es, anonym zu bleiben und schreibe unter dem Pseudonym Leonard Frey.
Rückmeldungen willkommen
Ich habe die Daten nach bestem Wissen und Gewissen geprüft, bearbeitet und ausgewertet, versuchte immer, Plausibilitätsprüfungen und Gegenproben mit anderen Daten durchzuführen sowie den Advocatus Diaboli zu befragen. Natürlich können auch mir Fehler unterlaufen sein, und wenn sie einen Fehler, eine Schwäche oder einen Widerspruch finden, ist Ihre Rückmeldung willkommen – bei positivem Feedback erst recht. Sie können mich per Email kontaktieren unter leonard_frey@yahoo.com, oder einen entsprechenden Kommentar hinterlassen.
Bleiben Sie geistig gesund und hören Sie niemals auf, selber zu denken,
Leonard Frey
(Pseudonym)